CN114372970A - 一种手术参考信息生成方法及装置 - Google Patents
一种手术参考信息生成方法及装置 Download PDFInfo
- Publication number
- CN114372970A CN114372970A CN202210001223.4A CN202210001223A CN114372970A CN 114372970 A CN114372970 A CN 114372970A CN 202210001223 A CN202210001223 A CN 202210001223A CN 114372970 A CN114372970 A CN 114372970A
- Authority
- CN
- China
- Prior art keywords
- target
- vertebral
- image
- block
- vertebral block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000003709 image segmentation Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008685 targeting Effects 0.000 claims 1
- 238000003780 insertion Methods 0.000 description 15
- 230000037431 insertion Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000002591 computed tomography Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000000105 evaporative light scattering detection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供了一种手术参考信息生成方法及装置，涉及数据处理技术领域，上述方法包括：获得对象脊柱的三维图像；对三维图像进行椎块检测，得到对象脊柱上各个椎块的椎块区域；从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；根据各个目标椎块的椎块区域，对三维图像进行图像分割，得到各个目标椎块的目标图像；针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。应用本发明实施例提供的方案，能够生成手术参考信息。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种手术参考信息生成方法及装置。
背景技术
人、动物等对象的脊柱通常包含多个椎块，医生在进行将椎弓根螺钉嵌入对象的脊柱椎块的手术之前，不仅需要确定待嵌入椎弓根螺钉的目标椎块，还需要提前规划好每一目标椎块上椎弓根螺钉的进针点、停针点等信息作为手术参考信息，进而在手术过程中依据上述手术参考信息高质量的完成手术。
因此，需要提供一种手术参考信息生成方案。
发明内容
本发明实施例的目的在于提供一种手术参考信息生成方法及装置，以生成手术参考信息。具体技术方案如下：
第一方面，本发明实施例提供了一种手术参考信息生成方法，所述方法包括：
获得对象脊柱的三维图像；
对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域；
从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；
根据各个目标椎块的椎块区域，对所述三维图像进行图像分割，得到各个目标椎块的目标图像；
针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；
基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
本发明的一个实施例中，在所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域之后，还包括：
根据所得椎块区域在所述三维图像中的排列顺序，确定每一椎块区域对应的椎块在所述对象脊柱中的排列序号；
所述从所得椎块区域中，确定待进行手术的目标椎块的椎块区域，包括：
根据所述对象脊柱中各个椎块的排列序号，从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
本发明的一个实施例中，所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域，包括：
基于椎块检测模型，检测所述三维图像中所述对象脊柱上各个椎块所在的椎块区域，其中，所述椎块检测模型为：利用三维的第一样本图像以及所述第一样本图像中椎块所在区域的区域信息，对用于图像检测的初始检测模型进行训练得到的模型。
本发明的一个实施例中，所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，包括：
针对每一目标图像，基于椎块识别模型，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，其中，所述椎块识别模型为：利用三维的第二样本图像、所述第二样本图像中椎块所在区域的区域信息以及所述第二样本图像中椎块上关键点的位置信息，对用于图像识别的初始识别模型进行训练得到的模型。
本发明的一个实施例中，在所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点之前，所述方法还包括：
对各个目标图像进行归一化处理；
和/或
在获得对象脊柱的三维图像之后，所述方法还包括：
对所述三维图像进行归一化处理。
本发明的一个实施例中，在获得对象脊柱的三维图像之后，所述方法还包括：
确定所述三维图像中每两张相邻的二维图像在深度维度上的图像距离；
在所确定的各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
第二方面，本发明实施例还提供了一种手术参考信息生成装置，所述装置包括：
图像获得模块，用于获得对象脊柱的三维图像；
椎块检测模块，用于对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域；
区域确定模块，用于从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；
图像分割模块，用于根据各个目标椎块的椎块区域，对所述三维图像进行图像分割，得到各个目标椎块的目标图像；
目标确定模块，用于针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；
信息生成模块，用于基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
本发明的一个实施例中，所述装置还包括：
序号确定模块，用于在所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域之后，根据所得椎块区域在所述三维图像中的排列顺序，确定每一椎块区域对应的椎块在所述对象脊柱中的排列序号；
所述区域确定模块，具体用于：
根据所述对象脊柱中各个椎块的排列序号，从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
本发明的一个实施例中，所述椎块检测模块，具体用于：
基于椎块检测模型，检测所述三维图像中所述对象脊柱上各个椎块所在的椎块区域，其中，所述椎块检测模型为：利用三维的第一样本图像以及所述第一样本图像中椎块所在区域的区域信息，对用于图像检测的初始检测模型进行训练得到的模型。
本发明的一个实施例中，所述目标确定模块，具体用于：
针对每一目标图像，基于椎块识别模型，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，其中，所述椎块识别模型为：利用三维的第二样本图像、所述第二样本图像中椎块所在区域的区域信息以及所述第二样本图像中椎块上关键点的位置信息，对用于图像识别的初始识别模型进行训练得到的模型。
本发明的一个实施例中，所述装置还包括：
第一处理模块，用于在所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点之前，对各个目标图像进行归一化处理；
和/或
第二处理模块，用于在获得对象脊柱的三维图像之后，对所述三维图像进行归一化处理。
本发明的一个实施例中，所述装置还包括：
距离确定模块，用于在获得对象脊柱的三维图像之后，确定所述三维图像中每两张相邻的二维图像在深度维度上的图像距离；
距离修订模块，用于在所确定的各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
第三方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的手术参考信息生成方法步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的手术参考信息生成方法步骤。
本发明实施例有益效果：
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，从对象脊柱的三维图像中分割出目标椎块的目标图像，这样可以在目标椎块的目标图像中确定目标椎块的目标区域以及目标椎块的关键点，然后基于目标区域和关键点的位置信息，确定目标椎块上的进针点和停针点，从而将所确定的进针点和停针点作为手术参考信息。
另外，由于目标图像是从对象脊柱的三维图像中分割出来的三维图像，因此，目标图像的数据量比对象脊柱的三维图像的数据量小，基于目标图像确定目标椎块上的进针点和停针点时需要处理的数据量较小，从而能够提高生成手术参考信息的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1a为本发明实施例提供的第一种手术参考信息生成方法的流程示意图；
图1b为本发明实施例提供的一种对象脊柱的图像示意图；
图1c为本发明实施例提供的一种目标图像的示意图；
图2为本发明实施例提供的第二种手术参考信息生成方法的流程示意图；
图3为本发明实施例提供的第三种手术参考信息生成方法的流程示意图；
图4为本发明实施例提供的第四种手术参考信息生成方法的流程示意图；
图5为本发明实施例提供的第五种手术参考信息生成方法的流程示意图；
图6为本发明实施例提供的第一种手术参考信息生成装置的结构示意图；
图7为本发明实施例提供的第二种手术参考信息生成装置的结构示意图；
图8为本发明实施例提供的第三种手术参考信息生成装置的结构示意图；
图9为本发明实施例提供的第四种手术参考信息生成装置的结构示意图；
图10为本发明实施例提供的第五种手术参考信息生成装置的结构示意图；
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本发明所获得的所有其他实施例，都属于本发明保护的范围。
参见图1a，提供了第一种手术参考信息生成方法的流程示意图，上述方法包括以下步骤S101-S106。
步骤S101：获得对象脊柱的三维图像。
例如，上述三维图像可以是CT(Computed Tomography，计算机断层扫描)图像，上述三维图像还可以是其他三维的图像。
上述对象脊柱的三维图像可以是上述对象的整个脊柱的三维图像，也可以是上述对象的部分脊柱的三维图像。
图1b为对象的部分脊柱的图像示意图，从图1b中可以看出，对象脊柱包含至少五个椎块。
本发明的一个实施例中，可以通过以下两种实现方式获得对象脊柱的三维图像。
第一种实现方式中，可以利用三维成像设备采集对象脊柱的图像，将所采集到的图像作为对象脊柱的三维图像。
例如，上述三维成像设备可以是CT扫描仪。
第二种实现方式中，还可以从存储有对象脊柱的三维图像的存储设备中下载该三维图像。
步骤S102：对三维图像进行椎块检测，得到对象脊柱上各个椎块的椎块区域。
其中，上述椎块区域为在上述三维图像中对象脊柱上椎块所在的图像区域。
本发明的一个实施例中，由于上述对象是人、还是动物或者是其他对象一般是预先设定的，因此，可以预先获得对象脊柱中椎块的特征信息。在此基础上，可以对上述三维图像进行特征提取，得到三维图像的图像特征，将所得到的图像特征与预先得到的椎块的特征进行比较，确定在所得到的图像特征中椎块的特征，然后根据所得到的图像特征中椎块的特征，在上述三维图像中确定属于各个椎块的像素点，分别由属于各个椎块的像素点构成的多个图像区域即为各个椎块的椎块区域。
另外，在三维图像中确定属于各个椎块的像素点之后，可以针对属于每一椎块的像素点，确定该椎块分别在三维图像的三个维度上跨越的维度值范围，并将根据这三个维度值范围确定的区域作为该椎块的椎块区域。
根据上述三个维度值范围确定的区域可以理解为上述椎块的外包围框。
例如，可以依据三维图像的三个维度建立三维坐标系。此时，若存在属于同一椎块的像素点a(x1，y1，z1)，像素点b(x2，y2，z2)，像素点c(x3，y3，z3)，且这三个像素点在三个坐标轴上的坐标中，最大值分别为x1、y3、z1，最小值分别为x2、y2、z3，则该椎块在X轴上的范围为x2至x1，在Y轴上的范围为y2至y3，在Z轴上的范围为z3至z1，即该椎块在三维图像的三个维度上跨越的维度值范围分别为x2至x1、y2至y3、z3至z1，根据这三个维度值范围确定的区域即为该椎块的椎块区域。
本发明的另一个实施例中，还可以建立用于检测三维的图像中椎块所在区域的网络模型，通过该网络模型实现对上述三维图像进行椎块检测。通过网络模型对三维图像进行椎块检测的具体实施方式可参见后续图3所示实施例中步骤S102A，这里暂不详述。
步骤S103：从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
上述目标椎块通常为对象脊柱中异常的椎块。例如，椎块在对象脊柱中的位置发生改变，或者椎块自身出现裂缝等等。
确定目标椎块的椎块区域存在以下两种实现方式。
第一种实现方式中，用户通常可以预先确定对象脊柱中需要进行手术的目标椎块，因此，在检测出各个椎块的椎块区域后，可以获得用户通过外部输入设备输入的针对目标椎块的区域选择信息，并根据该信息从所得椎块区域中选择与其对应的椎块区域作为待进行手术的目标椎块的椎块区域。
第二种实现方式中，由于正常的对象脊柱中各椎块之间的相对位置通常是已知的，因此，可以检测上述各椎块区域之间的相对位置，将所检测到的相对位置与正常情况下各椎块之间的相对位置相比较，从而确定位置存在较大偏差的椎块区域为目标椎块的椎块区域。
例如，可以预设相邻椎块之间的距离范围，若相邻的两个椎块区域之间的距离在这一距离范围内，则认为这两个椎块区域不属于目标椎块的椎块区域，若相邻的连个椎块区域之间的距离不在这一距离范围内，则认为这两个椎块区域均为目标椎块的椎块区域。
另外，待进行手术的目标椎块可以是一个椎块，也可以是多个椎块。在存在一个目标椎块的情况下，可以从所得椎块区域中确定出一个椎块区域，在存在多个目标椎块的情况下，可以从所得椎块区域中确定出多个椎块区域。
步骤S104：根据各个目标椎块的椎块区域，对三维图像进行图像分割，得到各个目标椎块的目标图像。
对上述三维图像进行图像分割，可以理解为从三维图像中提取出包含目标椎块的目标像素点的规则区域，并由该规则区域中的像素点构成目标椎块的目标图像。上述规则区域中包含目标像素点以及目标像素点周围的像素点。
具体的，针对每一目标椎块的椎块区域，可以首先根据该椎块区域中各像素点的位置，确定该椎块区域分别在三维图像的三个维度上的最大维度值和最小维度值，然后分别在三维图像的三个维度上，按照所确定的最小纬度值和最大维度值，对三维图像进行分割，保留最小维度值至最大维度值之间的图像，这样在三个维度上均进行图像分割后得到的三维图像，即为该目标椎块的目标图像。
根据一个目标椎块的椎块区域，可以对三维图像进行一次图像分割，根据多个目标椎块的椎块区域，可以对三维图像进行多次图像分割，其中，每一次图像分割可以是对完整的三维图像进行分割。
另外，在存在多个目标椎块的椎块区域的情况下，由于目标椎块通常为对象脊柱上连续排列的椎块，因此，对三维图像进行多次图像分割，可以得到多个目标图像，每一目标图像可以是一个目标椎块的三维图像，也可以是连续的多个目标椎块的三维图像。
例如，图1c为一种目标图像的示意图，从图1c中可以看出，该目标图像为单个椎块的三维图像。
步骤S105：针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点。
其中，上述关键点为目标图像中位于目标椎块中的像素点，关键点可以理解为对目标椎块具有表征性的像素点。例如，位于目标椎块上拐弯处的像素点等。
本发明的一个实施例中，上述目标椎块的关键点的数量为4。
具体的，可以首先在目标图像中确定目标椎块的目标区域，然后在目标区域中基于椎块的形状特征，识别目标椎块的关键点。
另外，在目标图像中确定目标椎块的目标区域以及目标椎块的关键点之后，可以向用户显示目标图像中目标区域以及关键点，用户可以查看目标图像中关键点在目标区域中的位置，并根据以往工作经验调整关键点的位置，从而最终确定关键点。
本发明的一个实施例中，与上述步骤S102处提及的通过特征提取实现椎块检测的方式相类似，这里也可以预先获得对象脊柱中椎块的特征信息。对目标图像进行特征提取，得到目标图像的图像特征，将所得到的图像特征与预先得到的椎块的特征进行比较，确定在所得到的图像特征中椎块的特征，然后根据所得到的图像特征中椎块的特征，在上述目标图像中确定属于目标椎块的像素点，由所有属于目标椎块的像素点构成的区域即为目标椎块的目标区域。
确定了目标区域，也就得知了该目标区域的形状特征，因此，可以根据该目标区域的形状特征以及椎块的形状特征，确定该目标区域中目标椎块的关键点。
本发明的另一个实施例中，还可以建立用于在椎块的三维图像中确定椎块所在区域以及椎块关键点的网络模型，通过该网络模型实现在目标图像中确定目标椎块的目标区域以及目标椎块的关键点。通过网络模型确定目标图像中目标区域以及关键点的具体实施方式可参见后续图4所示实施例中步骤S105A，这里暂不详述。
步骤S106：基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
具体的，针对一个目标椎块的目标图像，可以基于该目标图像中目标区域的位置信息以及关键点的位置信息，获知关键点与目标区域中像素点之间的相对位置。另外，由于图像分割处理并不会改变椎块区域中各像素点之间的相对位置关系，因此，目标图像中属于目标椎块的像素点之间的相对位置与三维图像中属于同一目标椎块的像素点之间的相对位置相同。鉴于此，在获知关键点与目标区域中像素点之间的相对位置之后，可以根据该相对位置，在三维图像中上述目标椎块的椎块区域中，找到与关键点相对应的像素点，作为上述目标椎块在三维图像中的对应关键点，这样可以得知对应关键点在三维图像中的位置。由于三维图像中像素点与实际单位长度之间的换算关系可以预先得到，因此，可以基于该换算关系以及对应关键点在三维图像中的位置，确定对上述目标椎块进行手术的进针点和停针点位置，作为手术参考信息。
例如，若在三维图像中，一个目标椎块的对应关键点与该目标椎块的末端的距离和方向已知，该距离可以以像素点个数表示，则可以按照上述换算关系，将上述以像素点个数表示的距离换算为以厘米为单位表示的距离，进而在上述目标椎块中，根据上述方向和换算后的距离，确定与关键点对应的位置作为进针点或停针点的位置。
基于一个目标椎块的目标图像中目标区域以及关键点的位置信息，可以确定对象脊柱中该目标椎块上的进针点和停针点，基于各个目标椎块的目标图像中目标区域和关键点的位置信息，可以确定各个目标椎块上的进针点和停针点。
另外，在确定目标椎块上的进针点和停针点后，可以进一步确定对目标椎块进行手术时的进针方向和进针深度，作为手术参考信息。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，通过从对象脊柱的三维图像中分割出目标椎块的目标图像，这样可以在目标椎块的目标图像中确定目标椎块的目标区域以及目标椎块的关键点，然后基于目标区域和关键点的位置信息，确定目标椎块上的进针点和停针点，从而将所确定的进针点和停针点作为手术参考信息。
另外，由于目标图像是从对象脊柱的三维图像中分割出来的三维图像，因此，目标图像的数据量比对象脊柱的三维图像的数据量小，基于目标图像确定目标椎块上的进针点和停针点时需要处理的数据量较小，从而能够提高生成手术参考信息的效率。
本发明的一个实施例中，参见图2，提供了第二种手术参考方法的流程示意图，本实施例中，在执行上述步骤S102之后，可以首先执行以下步骤S107，然后再执行上述步骤S103，并且，上述步骤S103可以通过以下步骤S103A实现。
步骤S107：根据所得椎块区域在三维图像中的排列顺序，确定每一椎块区域对应的椎块在对象脊柱中的排列序号。
在获得对象脊柱的三维图像时，通常可以获知该对象脊柱中的椎块在整个脊柱中的排列序号，这样在确定三维图像中各个椎块的椎块区域后，可以按照椎块区域在三维图像中的排列顺序，确定各个椎块区域对应的椎块在对象脊柱中的排列序号。
例如，若上述三维图像所示的对象脊柱为对象的第5节至第8节椎块所在脊柱，并且在三维图像中第5节椎块指向第8节椎块的方向为图像向下方向，则可以确定三维图像中四个椎块的椎块区域，其中，位于图像最上方的椎块区域为对象的第5节椎块的椎块区域，位于图像最下方的椎块区域为对象的第8节椎块的椎块区域，其余两个椎块区域按照图像向下方向依次为第6节椎块的椎块区域和第7节椎块的椎块区域。
在确定每一椎块区域对应的椎块在对象脊柱中的排列序号后，可以通过以下步骤S103A实现上述步骤S103。
步骤S103A：根据对象脊柱中各个椎块的排列序号，从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
由于待进行手术的目标椎块通常可以预先确定，这样目标椎块在对象脊柱上的排列序号可以预先得知，在确定上述每一椎块区域对应的椎块在对象脊柱中的排列序号后，可以根据目标椎块在对象脊柱上的排列序号，从各个椎块区域中找出排列序号为目标椎块的排列序号的椎块区域，将该椎块区域确定为目标椎块的椎块区域。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，可以确定每一椎块区域对应的椎块在对象脊柱中的排列序号，由于待进行手术的目标椎块在对象脊柱的排列序号可以预先确定，这样在确定目标椎块的椎块区域时，能够直接根据椎块区域对应的排列序号，在各个椎块区域中快速准确的确定出目标椎块的椎块区域，从而提高生成手术参考信息的效率。
在对上述三维图像进行椎块检测时，除了应用上述步骤S102中提及的方式之外，还可以应用以下图3所示实施例中步骤S102A实现椎块检测。
本发明的一个实施例中，参见图3，提供了第三种手术参考信息生成方法的流程示意图，与前述图1所示实施例相比，本实施例中，可以通过以下步骤S102A实现上述步骤S102。
步骤S102A：基于椎块检测模型，检测三维图像中对象脊柱上各个椎块所在的椎块区域。
其中，椎块检测模型为：利用三维的第一样本图像以及第一样本图像中椎块所在区域的区域信息，对用于图像检测的初始检测模型进行训练得到的模型。
上述区域信息可以是该区域中各个像素点的位置信息，还可以是位于该区域边界的像素点的位置信息，也可以是该区域在三维图像的三个维度上的维度值范围。
在对上述初始检测网络进行训练时，可以将多份样本数据分为训练数据、验证数据以及测试数据。训练数据用于训练初始检测模型，验证数据用于验证训练后的椎块检测模型的模型参数是否准确，测试数据用于测试训练后的椎块检测模型的模型性能。其中，每一份样本数据包含一个第一样本图像和该第一样本图像中椎块所在区域的区域信息。
具体的，利用上述第一样本图像和上述区域信息对初始检测模型进行训练，可以使得初始检测模型学习到在三维的图像中椎块的特征，这样在利用训练得到的椎块检测模型对上述三维图像进行椎块检测时，可以基于训练阶段学习到的特征，对上述三维图像进行处理，从而得到三维图像中各个椎块的椎块区域。
另外，在训练初始检测模型时，还可以利用第一样本图像中椎块所在区域对应的椎块在对象脊柱中的排列序号，对初始检测模型进行训练，这样训练的都的椎块检测模型在对上述三维图像进行椎块检测时，还可以输出三维图像中各个椎块区域对应的椎块在对象脊柱中的排列序号。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，基于椎块检测模型实现椎块检测。由于椎块检测模型为预先利用上述第一样本图像和第一样本图像中椎块所在区域的区域信息对初始检测模型进行训练得到的模型，这样所使用的椎块检测模型学习了三维的图像中椎块的特征，从而在基于椎块检测模型对上述三维图像进行椎块检测时，能够准确检测出各个椎块的椎块区域，从而提高手术参考信息生成的准确性。
在确定目标图像中目标区域以及关键点时，除了应用上述步骤S105中提及的方式之外，还可以应用以下图4所示实施例中步骤S105A实现椎块检测。
本发明的一个实施例中，参见图4，提供了第四种手术参考信息生成方法的流程示意图，与前述图1所示实施例相比，本实施例中，可以通过以下步骤S105A实现上述步骤S105。
步骤S105A：针对每一目标图像，基于椎块识别模型，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点。
其中，椎块识别模型为：利用三维的第二样本图像、第二样本图像中椎块所在区域的区域信息以及第二样本图像中椎块上关键点的位置信息，对用于图像识别的初始识别模型进行训练得到的模型。
上述区域信息可以是该区域中各个像素点的位置信息，还可以是位于该区域边界的像素点的位置信息，也可以是该区域在三维图像的三个维度上的维度值范围。
在对上述初始识别模型进行训练时，同样可以将多份样本数据分为训练数据、验证数据以及测试数据。训练数据用于训练初始识别模型，验证数据用于验证训练后的椎块识别模型的模型参数是否准确，测试数据用于测试训练后的椎块识别模型的模型性能。其中，每一份样本数据包含一个第一样本图像和该第一样本图像中椎块所在区域的区域信息。
具体的，通过利用上述第二样本图像、上述区域信息基于上述第二样本图像中关键点的位置信息对初始识别模型进行训练，可以使得初始识别模型学习到在三维的图像中椎块的特征以及椎块上关键点的特征，这样在利用训练得到的椎块识别模型在目标图像中确定目标区域以及关键点时，可以基于训练阶段学习到的特征，对上述目标图像进行处理，从而得到目标图像中目标椎块的目标区域以及关键点。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，基于椎块识别模型，在目标图像中确定目标椎块的目标区域以及目标椎块的关键点。由于椎块识别模型为预先利用上述第二样本图像、第二样本图像中椎块所在区域的区域信息以及第二样本图像中椎块上关键点的位置信息对初始识别模型进行训练得到的模型，这样所使用的椎块识别模型学习了三维的图像中椎块的特征以及椎块上关键点的特征，从而在基于椎块识别模型确定目标图像中的目标区域以及关键点时，能够准确确定出目标区域和关键点，从而提高手术参考信息生成的准确性。
本发明的一个实施例中，在执行上述步骤S101获得对象脊柱的三维图像之后，可以对所获得的三维图像进行归一化处理，然后再对归一化处理后的三维图像进行椎块检测。
对三维图像进行归一化处理可以利用现有的归一化算法实现，这里不再详述。
上述方案中，对上述三维图像进行归一化处理，可以使得三维图像中各个像素点的像素值转化为0至1之间的数值，这样能够减小各像素点的像素值之间的差异，并减小各像素点的像素值中极端值的影响，从而有利于后续对三维图像进行椎块检测，提高椎块检测的准确性。另外，在利用椎块检测网络对三维图像进行椎块检测的情况下，预先对三维图像进行归一化处理能够加快网络收敛速度，提高检测效率，从而提高手术参考信息生成的效率。
本发明的另一个实施例中，在得到目标椎块的目标图像后，可以对各个目标图像进行归一化处理，然后再针对归一化后的目标图像，确定该目标图像中的目标区域和关键点。
对目标图像进行归一化处理可以利用现有的归一化算法实现，这里不再详述。
上述方案中，对上述目标图像进行归一化处理，可以使得目标图像中各个像素点的像素值转化为0至1之间的数值，这样能够减小各像素点的像素值之间的差异，并减小各像素点的像素值中极端值的影响，从而有利于后续确定目标图像中的目标区域和关键点，提高确定目标区域和关键点的准确性。另外，在利用椎块识别网络确定目标图像中的目标区域和关键点的情况下，预先对目标图像进行归一化处理能够加快网络收敛速度，提高识别效率，从而提高手术参考信息生成的效率。
本发明的另一个实施例中，可以在获得对象脊柱的三维图像之后，对三维图像进行归一化处理，并在确定目标图像中的目标区域和关键点之前，对目标图像进行归一化处理，这样有利于三维图像以及目标图像的后续处理，提高手术参考信息生成的准确性。
本发明的一个实施例中，参见图5，提供了第五种手术参考信息生成方法的流程示意图，与前述图1所示实施例相比，本实施例中，在执行上述步骤S101之后，可以首先执行以下步骤S108-S109，然后执行上述步骤S102。
步骤S108：确定三维图像中每两张相邻的二维图像在深度维度上的图像距离。
具体的，三维图像可以由多个二维图像排列组合而成，三维图像在深度维度上每一维度值均对应一个二维图像，因此，可以依次确定三维图像中深度维度上相邻的两个维度值，并在三维图像中确定这两个维度值对应的二维图像，然后计算这两个二维图像之间的距离，该距离即为相邻的二维图像在深度维度上的图像距离，这样依次遍寻完深度维度上所有维度值后，可以确定三维图像中每两张相邻的二维图像在深度维度上的图像距离。
步骤S109：在所确定的各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
具体的，首先可以根据各个图像距离，确定修订后相邻的二维图像之间的目标距离，然后再按照三维图像的深度维度上的维度值从小到大的顺序，在各个图像距离中依次确定图像距离，然后将该图像距离与目标距离相比较，若该图像距离与该目标距离不一致，则可以同步调整该目标距离对应的两张二维图像中在深度维度上的维度值较大的二维图像以及在深度维度上排列在这两张二维图像之后的所有二维图像的位置，以使得这两张二维图像之间的距离为目标距离，这样依次遍寻完所有图像距离后，即可将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
另外，也可以按照在深度维度上的维度值从大到小的顺序，此时，若图像激励与目标距离不一致，则调整该目标距离对应的两张二维图像中在深度维度上的维度值较小的二维图像以及在深度维度上排列在这两张二维图像之前的所有二维图像的位置。
在上述三维图像为CT图像或者MRI(Magnetic Resonance Imaging，磁共振成像)图像的情况下，上述将各相邻的二维图像在深度维度上的图像距离修订为相同距离可以理解为对CT图像或者MRI图像进行层间距修订。
对CT图像或者MRI图像进行层间距修订可以基于现有的修订技术实现，这里不再详述。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，在获得对象脊柱的三维图像之后，可以在上述各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离，这样能够使得修订后的三维图像中每两张相邻的二维图像在深度维度上距离相等，从而有利于对三维图像进行后续处理。
与前述手术参考信息生成方法相对应，本发明实施例还提供了一种手术参考信息生成装置。
本发明的一个实施例中，参见图6，提供了第一种手术参考信息生成装置的结构示意图，所述装置包括：
图像获得模块601，用于获得对象脊柱的三维图像；
椎块检测模块602，用于对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域；
区域确定模块603，用于从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；
图像分割模块604，用于根据各个目标椎块的椎块区域，对所述三维图像进行图像分割，得到各个目标椎块的目标图像；
目标确定模块605，用于针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；
信息生成模块606，用于基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，通过从对象脊柱的三维图像中分割出目标椎块的目标图像，这样可以在目标椎块的目标图像中确定目标椎块的目标区域以及目标椎块的关键点，然后基于目标区域和关键点的位置信息，确定目标椎块上的进针点和停针点，从而将所确定的进针点和停针点作为手术参考信息。
另外，由于目标图像是从对象脊柱的三维图像中分割出来的三维图像，因此，目标图像的数据量比对象脊柱的三维图像的数据量小，基于目标图像确定目标椎块上的进针点和停针点时需要处理的数据量较小，从而能够提高生成手术参考信息的效率。
本发明的一个实施例中，参见图7，提供了第二种手术参考信息生成装置的结构示意图，本实施例中，所述装置还包括：
序号确定模块607，用于在所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域之后，根据所得椎块区域在所述三维图像中的排列顺序，确定每一椎块区域对应的椎块在所述对象脊柱中的排列序号；
所述区域确定模块603，具体用于：
根据所述对象脊柱中各个椎块的排列序号，从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，可以确定每一椎块区域对应的椎块在对象脊柱中的排列序号，由于待进行手术的目标椎块在对象脊柱的排列序号可以预先确定，这样在确定目标椎块的椎块区域时，能够直接根据椎块区域对应的排列序号，在各个椎块区域中快速准确的确定出目标椎块的椎块区域，从而提高生成手术参考信息的效率。
本发明的一个实施例中，所述椎块检测模块602，具体用于：
基于椎块检测模型，检测所述三维图像中所述对象脊柱上各个椎块所在的椎块区域，其中，所述椎块检测模型为：利用三维的第一样本图像以及所述第一样本图像中椎块所在区域的区域信息，对用于图像检测的初始检测模型进行训练得到的模型。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，基于椎块检测模型实现椎块检测。由于椎块检测模型为预先利用上述第一样本图像和第一样本图像中椎块所在区域的区域信息对初始检测模型进行训练得到的模型，这样所使用的椎块检测模型学习了三维的图像中椎块的特征，从而在基于椎块检测模型对上述三维图像进行椎块检测时，能够准确检测出各个椎块的椎块区域，从而提高手术参考信息生成的准确性。
本发明的一个实施例中，所述目标确定模块605，具体用于：
针对每一目标图像，基于椎块识别模型，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，其中，所述椎块识别模型为：利用三维的第二样本图像、所述第二样本图像中椎块所在区域的区域信息以及所述第二样本图像中椎块上关键点的位置信息，对用于图像识别的初始识别模型进行训练得到的模型。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，基于椎块识别模型，在目标图像中确定目标椎块的目标区域以及目标椎块的关键点。由于椎块识别模型为预先利用上述第二样本图像、第二样本图像中椎块所在区域的区域信息以及第二样本图像中椎块上关键点的位置信息对初始识别模型进行训练得到的模型，这样所使用的椎块识别模型学习了三维的图像中椎块的特征以及椎块上关键点的特征，从而在基于椎块识别模型确定目标图像中的目标区域以及关键点时，能够准确确定出目标区域和关键点，从而提高手术参考信息生成的准确性。
本发明的一个实施例中，参见图8，提供了第三种手术参考信息生成装置的结构示意图，本实施例中，所述装置还包括：
第一处理模块608，用于在所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点之前，对各个目标图像进行归一化处理。
上述方案中，对上述三维图像进行归一化处理，可以使得三维图像中各个像素点的像素值转化为0至1之间的数值，这样能够减小各像素点的像素值之间的差异，并减小各像素点的像素值中极端值的影响，从而有利于后续对三维图像进行椎块检测，提高椎块检测的准确性。另外，在利用椎块检测网络对三维图像进行椎块检测的情况下，预先对三维图像进行归一化处理能够加快网络收敛速度，提高检测效率，从而提高手术参考信息生成的效率。
本发明的一个实施例中，参见图9，提供了第四种手术参考信息生成装置的结构示意图，本实施例中，所述装置还包括：
第二处理模块609，用于在获得对象脊柱的三维图像之后，对所述三维图像进行归一化处理。
上述方案中，对上述目标图像进行归一化处理，可以使得目标图像中各个像素点的像素值转化为0至1之间的数值，这样能够减小各像素点的像素值之间的差异，并减小各像素点的像素值中极端值的影响，从而有利于后续确定目标图像中的目标区域和关键点，提高确定目标区域和关键点的准确性。另外，在利用椎块识别网络确定目标图像中的目标区域和关键点的情况下，预先对目标图像进行归一化处理能够加快网络收敛速度，提高识别效率，从而提高手术参考信息生成的效率。
本发明的一个实施例中，所述装置包括上述第一处理模块608以及上述第二处理模块609。
本方案中，在获得对象脊柱的三维图像之后，对三维图像进行归一化处理，并在确定目标图像中的目标区域和关键点之前，对目标图像进行归一化处理，这样有利于三维图像以及目标图像的后续处理，提高手术参考信息生成的准确性。
本发明的一个实施例中，参见图10，提供了第五种手术参考信息生成装置的结构示意图，本实施例中，所述装置还包括：
距离确定模块610，用于在获得对象脊柱的三维图像之后，确定所述三维图像中每两张相邻的二维图像在深度维度上的图像距离；
距离修订模块611，用于在所确定的各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
由以上可见，应用本发明实施例提供的方案生成手术参考信息时，在获得对象脊柱的三维图像之后，可以在上述各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离，这样能够使得修订后的三维图像中每两张相邻的二维图像在深度维度上距离相等，从而有利于对三维图像进行后续处理。
本发明实施例还提供了一种电子设备，如图11所示，包括处理器1101、通信接口1102、存储器1103和通信总线1104，其中，处理器1101，通信接口1102，存储器1103通过通信总线1104完成相互间的通信，
存储器1103，用于存放计算机程序；
处理器1101，用于执行存储器1103上所存放的程序时，实现如下步骤：
获得对象脊柱的三维图像；
对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域；
从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；
根据各个目标椎块的椎块区域，对所述三维图像进行图像分割，得到各个目标椎块的目标图像；
针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；
基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
除此之外，上述电子设备还可以实现如前方法实施例部分所述的其他手术参考信息生成方法，这里不再详述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一手术参考信息生成方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一手术参考信息生成方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质以及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (14)
1.一种手术参考信息生成方法，其特征在于，所述方法包括：
获得对象脊柱的三维图像；
对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域；
从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；
根据各个目标椎块的椎块区域，对所述三维图像进行图像分割，得到各个目标椎块的目标图像；
针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；
基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
2.根据权利要求1所述的方法，其特征在于，在所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域之后，还包括：
根据所得椎块区域在所述三维图像中的排列顺序，确定每一椎块区域对应的椎块在所述对象脊柱中的排列序号；
所述从所得椎块区域中，确定待进行手术的目标椎块的椎块区域，包括：
根据所述对象脊柱中各个椎块的排列序号，从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
3.根据权利要求1所述的方法，其特征在于，所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域，包括：
基于椎块检测模型，检测所述三维图像中所述对象脊柱上各个椎块所在的椎块区域，其中，所述椎块检测模型为：利用三维的第一样本图像以及所述第一样本图像中椎块所在区域的区域信息，对用于图像检测的初始检测模型进行训练得到的模型。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，包括：
针对每一目标图像，基于椎块识别模型，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，其中，所述椎块识别模型为：利用三维的第二样本图像、所述第二样本图像中椎块所在区域的区域信息以及所述第二样本图像中椎块上关键点的位置信息，对用于图像识别的初始识别模型进行训练得到的模型。
5.根据权利要求1-3中任一项所述的方法，其特征在于，在所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点之前，所述方法还包括：
对各个目标图像进行归一化处理；
和/或
在获得对象脊柱的三维图像之后，所述方法还包括：
对所述三维图像进行归一化处理。
6.根据权利要求1-3中任一项所述的方法，其特征在于，在获得对象脊柱的三维图像之后，所述方法还包括：
确定所述三维图像中每两张相邻的二维图像在深度维度上的图像距离；
在所确定的各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
7.一种手术参考信息生成装置，其特征在于，所述装置包括：
图像获得模块，用于获得对象脊柱的三维图像；
椎块检测模块，用于对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域；
区域确定模块，用于从所得椎块区域中，确定待进行手术的目标椎块的椎块区域；
图像分割模块，用于根据各个目标椎块的椎块区域，对所述三维图像进行图像分割，得到各个目标椎块的目标图像；
目标确定模块，用于针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点；
信息生成模块，用于基于各个目标图像中目标区域的位置信息以及关键点的位置信息，确定对各个目标椎块进行手术的进针点和停针点，作为手术参考信息。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
序号确定模块，用于在所述对所述三维图像进行椎块检测，得到所述对象脊柱上各个椎块的椎块区域之后，根据所得椎块区域在所述三维图像中的排列顺序，确定每一椎块区域对应的椎块在所述对象脊柱中的排列序号；
所述区域确定模块，具体用于：
根据所述对象脊柱中各个椎块的排列序号，从所得椎块区域中，确定待进行手术的目标椎块的椎块区域。
9.根据权利要求7所述的装置，其特征在于，所述椎块检测模块，具体用于：
基于椎块检测模型，检测所述三维图像中所述对象脊柱上各个椎块所在的椎块区域，其中，所述椎块检测模型为：利用三维的第一样本图像以及所述第一样本图像中椎块所在区域的区域信息，对用于图像检测的初始检测模型进行训练得到的模型。
10.根据权利要求7-9中任一项所述的装置，其特征在于，所述目标确定模块，具体用于：
针对每一目标图像，基于椎块识别模型，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点，其中，所述椎块识别模型为：利用三维的第二样本图像、所述第二样本图像中椎块所在区域的区域信息以及所述第二样本图像中椎块上关键点的位置信息，对用于图像识别的初始识别模型进行训练得到的模型。
11.根据权利要求7-9中任一项所述的装置，其特征在于，所述装置还包括：
第一处理模块，用于在所述针对每一目标图像，在该目标图像中确定目标椎块的目标区域以及目标椎块的关键点之前，对各个目标图像进行归一化处理；
和/或
第二处理模块，用于在获得对象脊柱的三维图像之后，对所述三维图像进行归一化处理。
12.根据权利要求7-9中任一项所述的装置，其特征在于，所述装置还包括：
距离确定模块，用于在获得对象脊柱的三维图像之后，确定所述三维图像中每两张相邻的二维图像在深度维度上的图像距离；
距离修订模块，用于在所确定的各个图像距离不相等的情况下，将各相邻的二维图像在深度维度上的图像距离修订为相同距离。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210001223.4A CN114372970B (zh) | 2022-01-04 | 2022-01-04 | 一种手术参考信息生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210001223.4A CN114372970B (zh) | 2022-01-04 | 2022-01-04 | 一种手术参考信息生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114372970A true CN114372970A (zh) | 2022-04-19 |
| CN114372970B CN114372970B (zh) | 2024-02-06 |
Family
ID=81141298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210001223.4A Active CN114372970B (zh) | 2022-01-04 | 2022-01-04 | 一种手术参考信息生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114372970B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115439453A (zh) * | 2022-09-13 | 2022-12-06 | 北京医准智能科技有限公司 | 一种脊椎椎体定位方法、装置、电子设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2668694C1 (ru) * | 2017-11-09 | 2018-10-02 | Максим Николаевич Кравцов | Способ предоперационного планирования пункционного трансфораминального внедискового эндоскопического доступа к позвоночному каналу поясничного отдела позвоночника |
| CN109646089A (zh) * | 2019-01-15 | 2019-04-19 | 浙江大学 | 一种基于多模式医学融合图像的脊柱脊髓体表穿刺入路点智能定位系统及方法 |
| CN110415291A (zh) * | 2019-08-07 | 2019-11-05 | 清华大学 | 图像处理方法及相关设备 |
| CN110599508A (zh) * | 2019-08-01 | 2019-12-20 | 平安科技（深圳）有限公司 | 基于人工智能的脊柱影像处理方法及相关设备 |
| CN110738681A (zh) * | 2019-10-11 | 2020-01-31 | 北京航空航天大学 | 一种基于深度学习网络的椎弓根钉手术路径自动规划方法 |
| WO2020052540A1 (zh) * | 2018-09-11 | 2020-03-19 | 腾讯科技（深圳）有限公司 | 对象标注方法、移动控制方法、装置、设备及存储介质 |
| CN112700448A (zh) * | 2021-03-24 | 2021-04-23 | 成都成电金盘健康数据技术有限公司 | 一种脊椎图像分割与识别方法 |
| CN113240661A (zh) * | 2021-05-31 | 2021-08-10 | 平安科技（深圳）有限公司 | 基于深度学习的腰椎骨分析方法、装置、设备及存储介质 |
| CN113256672A (zh) * | 2021-05-20 | 2021-08-13 | 推想医疗科技股份有限公司 | 图像处理方法及装置，模型的训练方法及装置，电子设备 |
| CN113643314A (zh) * | 2021-07-02 | 2021-11-12 | 阿里巴巴新加坡控股有限公司 | 医学影像中脊柱的分割方法 |
| CN113674257A (zh) * | 2021-08-26 | 2021-11-19 | 平安科技（深圳）有限公司 | 脊柱侧弯角度的测量方法、装置、设备及存储介质 |
-
2022
- 2022-01-04 CN CN202210001223.4A patent/CN114372970B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2668694C1 (ru) * | 2017-11-09 | 2018-10-02 | Максим Николаевич Кравцов | Способ предоперационного планирования пункционного трансфораминального внедискового эндоскопического доступа к позвоночному каналу поясничного отдела позвоночника |
| WO2020052540A1 (zh) * | 2018-09-11 | 2020-03-19 | 腾讯科技（深圳）有限公司 | 对象标注方法、移动控制方法、装置、设备及存储介质 |
| CN109646089A (zh) * | 2019-01-15 | 2019-04-19 | 浙江大学 | 一种基于多模式医学融合图像的脊柱脊髓体表穿刺入路点智能定位系统及方法 |
| CN110599508A (zh) * | 2019-08-01 | 2019-12-20 | 平安科技（深圳）有限公司 | 基于人工智能的脊柱影像处理方法及相关设备 |
| CN110415291A (zh) * | 2019-08-07 | 2019-11-05 | 清华大学 | 图像处理方法及相关设备 |
| CN110738681A (zh) * | 2019-10-11 | 2020-01-31 | 北京航空航天大学 | 一种基于深度学习网络的椎弓根钉手术路径自动规划方法 |
| CN112700448A (zh) * | 2021-03-24 | 2021-04-23 | 成都成电金盘健康数据技术有限公司 | 一种脊椎图像分割与识别方法 |
| CN113256672A (zh) * | 2021-05-20 | 2021-08-13 | 推想医疗科技股份有限公司 | 图像处理方法及装置，模型的训练方法及装置，电子设备 |
| CN113240661A (zh) * | 2021-05-31 | 2021-08-10 | 平安科技（深圳）有限公司 | 基于深度学习的腰椎骨分析方法、装置、设备及存储介质 |
| CN113643314A (zh) * | 2021-07-02 | 2021-11-12 | 阿里巴巴新加坡控股有限公司 | 医学影像中脊柱的分割方法 |
| CN113674257A (zh) * | 2021-08-26 | 2021-11-19 | 平安科技（深圳）有限公司 | 脊柱侧弯角度的测量方法、装置、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| BAOZHI DING ET.AL: "A novel system for accurate lumbar spine pedicle screw placement based on three-dimensional computed tomography reconstruction", 《JOURNAL OF ORTHOPAEDIC TRANSLATION》, pages 101 - 106 * |
| DONGYANG CAI ET.AL: "Automatic Path Planning for Navigated Pedicle Screw Surgery Based on Deep Neural Network", 《2019 WRC SYMPOSIUM ON ADVANCED ROBOTICS AND AUTOMATION (WRC SARA)》, pages 62 - 65 * |
| 张恒: "椎弓根螺钉植入手术导航系统关键技术的研究与实现", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, pages 49 - 52 * |
| 徐律: "基于增强现实的计算机辅助手术规划与导航系统关键技术及实验研究", 《中国博士学位论文全文数据库信息科技辑》, pages 138 - 146 * |
| 王逸飞: "MR图像中的椎块分割算法研究", pages 060 - 129 * |
| 苏全健;孙宇;齐晓志;: "基于机器学习的机器人辅助椎弓根植钉规划", no. 03, pages 44 - 55 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115439453A (zh) * | 2022-09-13 | 2022-12-06 | 北京医准智能科技有限公司 | 一种脊椎椎体定位方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114372970B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107480677B (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
| CN110059697B (zh) | 一种基于深度学习的肺结节自动分割方法 | |
| CN109858476B (zh) | 标签的扩充方法和电子设备 | |
| US20220101034A1 (en) | Method and system for segmenting interventional device in image | |
| CN111192660B (zh) | 一种影像报告分析方法、设备及计算机存储介质 | |
| CN113240661B (zh) | 基于深度学习的腰椎骨分析方法、装置、设备及存储介质 | |
| CN111667474A (zh) | 骨折识别方法、装置、设备和计算机可读存储介质 | |
| CN112102294A (zh) | 生成对抗网络的训练方法及装置、图像配准方法及装置 | |
| CN111652300A (zh) | 脊柱曲度分类方法、计算机设备和存储介质 | |
| CN114842003B (zh) | 一种医学影像随访目标配对方法、装置及应用 | |
| US20190392552A1 (en) | Spine image registration method | |
| CN114092475A (zh) | 病灶长径确定方法、图像标注方法、装置及计算机设备 | |
| CN115954101A (zh) | 一种基于ai舌诊图像处理的健康度管理系统及管理方法 | |
| CN110533120B (zh) | 器官结节的图像分类方法、装置、终端及存储介质 | |
| CN114372970A (zh) | 一种手术参考信息生成方法及装置 | |
| CN114519401A (zh) | 一种图像分类方法及装置、电子设备、存储介质 | |
| JP2012123631A (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
| CN112967386A (zh) | 生物力学建模方法、装置、电子设备及存储介质 | |
| CN115170795B (zh) | 一种图像小目标分割方法、装置、终端及存储介质 | |
| CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
| CN111598144B (zh) | 图像识别模型的训练方法和装置 | |
| CN114241198A (zh) | 获取局部影像组学特征的方法、装置、设备以及存储介质 | |
| Agomma et al. | Automatic detection of anatomical regions in frontal X-ray images: Comparing convolutional neural networks to random forest | |
| CN113160199A (zh) | 影像识别方法、装置、计算机设备和存储介质 | |
| CN111784705A (zh) | 感兴趣区域的勾画方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |